千萬不要浪費(fèi)一場危機(jī)。

我們提供的服務(wù)有：成都網(wǎng)站設(shè)計(jì)、網(wǎng)站建設(shè)、微信公眾號開發(fā)、網(wǎng)站優(yōu)化、網(wǎng)站認(rèn)證、信豐ssl等。為1000+企事業(yè)單位解決了網(wǎng)站和推廣的問題。提供周到的售前咨詢和貼心的售后服務(wù)，是有科學(xué)管理、有技術(shù)的信豐網(wǎng)站制作公司

——丘吉爾

疫情期間，杭州的城市大腦，健康碼、阿里全基因測序、CT影像等在疫情期間充分展示了中國以人工智能等為新基建的中國城市治理能力。

正在熱議的兩會， 確定以新型基礎(chǔ)設(shè)施建設(shè)為中心，以新發(fā)展理念為引領(lǐng)，以技術(shù)創(chuàng)新為驅(qū)動， 全面發(fā)展5G、人工智能等新型技術(shù)，加速產(chǎn)業(yè)化的落地。

本文主要從目前人工智能領(lǐng)域存在的問題簡要推演下，走出寒冬后的人工智能何去何從。

一、人工智能的生產(chǎn)原料（數(shù)據(jù)）遇到了什么問題

數(shù)據(jù)層應(yīng)用現(xiàn)狀：

（1）存不下——數(shù)字化浪潮下的海量數(shù)據(jù)存儲挑戰(zhàn)

數(shù)據(jù)量的急劇上增是數(shù)據(jù)存不下的重要原因，目前據(jù)全球統(tǒng)計(jì)企業(yè)的數(shù)據(jù)量從PB級向EB級邁進(jìn)，數(shù)據(jù)量將從2018年的32.5ZB快速增長到2025年的180ZB。

由于存儲系統(tǒng)仍為傳統(tǒng)架構(gòu)以及成本等原因，當(dāng)前企業(yè)數(shù)據(jù)僅有不到2%被保存，數(shù)據(jù)“存不下”的問題日益嚴(yán)重。

• 存儲擴(kuò)展性不足：傳統(tǒng)存儲由獨(dú)立的控制器與硬盤框組成，當(dāng)容量不足時(shí)可增加新的硬盤框進(jìn)行級聯(lián)，但由于控制器的處理能力受限，存儲的擴(kuò)展能力非常有限。
• 存儲協(xié)議類型單一：非結(jié)構(gòu)化數(shù)據(jù)逐步成為企業(yè)數(shù)據(jù)的主體。隨著電商、物聯(lián)網(wǎng)等業(yè)務(wù)擴(kuò)張，80%的新增數(shù)據(jù)由各類音視頻、日志等非結(jié)構(gòu)化數(shù)據(jù)構(gòu)成。然而傳統(tǒng)存儲協(xié)議類型單一，無法同時(shí)滿足塊、對象、文件、大數(shù)據(jù)等多樣性數(shù)據(jù)的存取需求，企業(yè)不得不為每一種新的數(shù)據(jù)類型新增一種存儲設(shè)備，增加了高效利用存儲資源的難度。
• 存儲成本依然高昂：越來越多的企業(yè)選擇將數(shù)據(jù)長期保存。2017年起，移動運(yùn)營商因合規(guī)性要求，將其設(shè)備日志的保存周期從2個(gè)月增加至6個(gè)月。

這意味著其數(shù)據(jù)存儲服務(wù)器的設(shè)備規(guī)模將增加至少2倍。傳統(tǒng)的架構(gòu)中，服務(wù)器因存儲需求不斷擴(kuò)容，但CPU的使用率卻始終處于較低的狀態(tài)，資源得不到合理利用，無疑會對采購成本和維護(hù)成本造成更大的壓力。企業(yè)不得不因?yàn)榇鎯Τ杀径艞壌罅繉氋F數(shù)據(jù)。

（2）流不動——由來已久的數(shù)據(jù)孤島難題

孤立的數(shù)據(jù)價(jià)值并不顯著，只有當(dāng)數(shù)據(jù)像水一樣流動起來，才能打破“數(shù)據(jù)壁壘”，大化釋放其價(jià)值。

數(shù)據(jù)的“三類孤島”：

• 應(yīng)用孤島：不同應(yīng)用產(chǎn)生的數(shù)據(jù)分別存放在不同的存儲系統(tǒng)中，而且這些數(shù)據(jù)由于各自的特征，彼此之間是無法共享使用的，即形成“應(yīng)用孤島”問題；
• 管理孤島：為對生產(chǎn)數(shù)據(jù)加以保護(hù)和使用，會將生產(chǎn)數(shù)據(jù)的一個(gè)副本，拷貝到各個(gè)系統(tǒng)（如備份、容災(zāi)、歸檔、開發(fā)測試和分析系統(tǒng)）中進(jìn)行管理和使用。即便是同一份數(shù)據(jù)，為實(shí)現(xiàn)不同目的，還需分別存儲、管理和使用，即形成“管理孤島”問題；
• 地理孤島：由于企業(yè)的更新?lián)Q代，將存在多套存儲設(shè)備，比如生產(chǎn)環(huán)境、非生產(chǎn)環(huán)境、云環(huán)境和邊緣環(huán)境，企業(yè)的數(shù)據(jù)將存放在不同的地方，形成“地理孤島”問題。

（3）用不好——數(shù)據(jù)供應(yīng)不足造成應(yīng)用復(fù)雜低效

海量的數(shù)據(jù)孕育了前所未有的機(jī)遇，也帶來了巨大的挑戰(zhàn)。甚至有人說，從來不缺數(shù)據(jù)，數(shù)據(jù)多了反而成為一種負(fù)擔(dān)。也有人說，數(shù)據(jù)只是資源，而不是資產(chǎn)，很難產(chǎn)生價(jià)值。其根本原因是沒有用好數(shù)據(jù)，數(shù)據(jù)沒有釋放價(jià)值。而影響數(shù)據(jù)價(jià)值釋放的主要原因是數(shù)據(jù)供應(yīng)不足，無法反饋業(yè)務(wù)本質(zhì)，支持業(yè)務(wù)決策： 大量數(shù)據(jù)未存儲。

企業(yè)每天會產(chǎn)生大量數(shù)據(jù)，但傳統(tǒng)的數(shù)據(jù)錄入需要預(yù)先的人工規(guī)劃，這導(dǎo)致大量非結(jié)構(gòu)化數(shù)據(jù)以及一些新型的數(shù)據(jù)無法進(jìn)入系統(tǒng)（例如IoT數(shù)據(jù)、視頻數(shù)據(jù)、圖片數(shù)據(jù)等）。數(shù)據(jù)的缺失會削弱對業(yè)務(wù)的感知，無法真實(shí)及時(shí)地反映出業(yè)務(wù)本質(zhì)。

找不到數(shù)據(jù)傳統(tǒng)企業(yè)通常通過數(shù)據(jù)表來管理和分析數(shù)據(jù)，規(guī)模較大的公司數(shù)據(jù)表甚至可以達(dá)到數(shù)百萬張，而且分散在各個(gè)業(yè)務(wù)系統(tǒng)中。如果沒有統(tǒng)一數(shù)據(jù)目錄和全局?jǐn)?shù)據(jù)視圖，要在上百萬張報(bào)表中找到特定的數(shù)據(jù)，好比大海撈針，無法應(yīng)對靈活多變的業(yè)務(wù)需求。

接下來致力于數(shù)據(jù)融合，發(fā)掘數(shù)據(jù)價(jià)值，擁有數(shù)據(jù)的企業(yè)將不斷重新定義人工智能行業(yè)的發(fā)展。

二、人工智能的技術(shù)及應(yīng)用趨勢

從技術(shù)層面，近年來取得成功的AI技術(shù)大都基于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)，當(dāng)前熱門研究方向依然是 基于這些方法的改進(jìn)以及與對抗學(xué)習(xí)或強(qiáng)化學(xué)習(xí)等其它思想的融合。

（1）深度學(xué)習(xí)泛化能力及可解釋性進(jìn)一步突破

在應(yīng)用方面，這些技術(shù)已經(jīng)進(jìn)入了我們的日常生活，比如智能推薦、機(jī)器翻譯、聊天機(jī)器人以及各種圖像美化應(yīng)用。

對于近期的未來，人們普遍相信深度學(xué)習(xí)還有進(jìn)一步的發(fā)展空間，甚至希望徹底改變我們的生活方式，比如很多人都相信成功的自動駕駛技術(shù)將會徹底改變我們的生活出行。

同時(shí)， 由于深度學(xué)習(xí)在泛化能力以及可解釋性方面的困難，也有人認(rèn)為深度學(xué)習(xí)將難以在一些存在嚴(yán)格要求的領(lǐng)域發(fā)揮真正重要的價(jià)值，進(jìn)一步的突破還需要探索更廣泛的方法。

模型可解釋性深度學(xué)習(xí)的模型可解釋性已經(jīng)成為了制約深度學(xué)習(xí)廣泛應(yīng)用的一大主要障礙，其在法律和倫理方面引發(fā)了些討論和爭議?？梢灶A(yù)見這方面的技術(shù)探索和社會討論還會繼續(xù)。

深度神經(jīng)網(wǎng)絡(luò)與新思想融合Al繼續(xù)進(jìn)入人類的日常生活智能音箱進(jìn)入家庭、人臉識別在守衛(wèi)街道、機(jī)器翻譯、自動駕駛汽車已經(jīng)上路測試、數(shù)字助理正在學(xué)習(xí)處理越來越復(fù)雜的任務(wù)……Al應(yīng)用還會繼續(xù)進(jìn)入更多日常生活場景并繼續(xù)改變我們的生活方式。

（2）高效和低成本模型仍是研究熱點(diǎn)

高效和低成本模型盡管目前相當(dāng)多一些模型已經(jīng)能夠在較低成本的硬件上有效運(yùn)行，但要訓(xùn)練出足夠?qū)嵱玫哪Ｐ?，?dāng)前的深度學(xué)習(xí)方法往往需要大規(guī)模數(shù)據(jù)集和成本高昂的計(jì)算硬件。

如何設(shè)計(jì)高效的訓(xùn)練方法已經(jīng)成為當(dāng)前的一大重要研究主題。對于已經(jīng)誕生的Mobile Net、Shutfte Net和Pelee Net等一些模型，其實(shí)用性仍被認(rèn)為還有所欠缺。高效和低成本模型仍會繼續(xù)是AI領(lǐng)域的一個(gè)重要未來方向。

（3）5G與AI融合是另一個(gè)發(fā)展的大趨勢

在技術(shù)成熟度曲線（The Hype Cycle）中，看我們可以充分看到，5G這種基礎(chǔ)設(shè)施鋪建的技術(shù)推到了風(fēng)口浪尖，從技術(shù)成熟度曲線中，我們不難看出，5G及RPA的發(fā)展成了重頭戲，而對機(jī)器學(xué)習(xí)的關(guān)注度朝著下降的趨勢發(fā)展。

 對于某種技術(shù)來講，技術(shù)本身的發(fā)展隨著媒體的關(guān)注度會逐年下降，而維持一種技術(shù)本身的生命力來說，更多是技術(shù)+場景，也是技術(shù)本身的實(shí)用性和可復(fù)制性。

所以對于人工智能的未來，技術(shù)的融合以及技術(shù)與場景的融合成了重中之重，AI平臺的建立為更多人贏得了機(jī)會，并且也讓技術(shù)的快速融合成為了可能。

對于未來來說充滿著各種不確定性，不過沒關(guān)系順勢而為這是我們唯一可以堅(jiān)信的一點(diǎn)，對于我們每個(gè)人來說，找到趨勢，順勢而為或許這是我們唯一可做的事情。

http://www.woshipm.com/ai/3907556.html